Skip to main content

Kuljeskella Suomen talvipimeydellä: kevytmielinen opas esteettömyystietoihin ja rasterihauskuuteen FME:n kanssa

Saavutettavuustiedoilla tarkoitetaan palvelujen ja alueiden saavuttamisen helppoutta tietyssä ajassa eri kulkuvälineillä. Nämä nykyaikaisilla työkaluilla ja antureilla kerätyt tiedot ovat elintärkeitä nykyaikaisessa kaupunkisuunnittelussa ja kiinteistöarvioinnissa. Tässä tutoriaalissa keskitymme Helsingin esteettömyyden visualisointiin, erityisesti siihen, kuinka nopeasti pääset käsiksi tärkeimpiin palveluihin 30 minuutin kävelymatkan säteellä. Tämä demonstraatio esittelee geospatiaalisen analyysin käytännön käyttöä kaupunkien päätöksenteossa.

Steps

Ota tietokannassa käyttöön suodatus esteettömyystietojen lukemisen tehostamiseksi

Saavutettavuustiedot tallennetaan matriiseihin. Jokaisen solun osalta sinulla on pääsy kaikkiin tämän solun mittareihin, aikaan ja etäisyyteen koko pääkaupunkiseudulla. Koska solut ovat 250m*250m, voit kuvitella pisteiden/solujen määrän. Käytämme SpatiaLite/GeoPackage-indeksointia kiinnostavien ruutujen selektiiviseen lukemiseen, mikä optimoi tehokkuuden.

  1. Aloita työtila ja luo piste Creator-työkalun avulla.
  2. Käytä FeatureReader-työkalua tunnistaaksesi kiinnostavan pisteemme leikkaavan ruudun numeron.
  3. Käytä edelleen FeatureReader-työkalua poimimaan olennaiset tiedot tunnistetun ruudun soluista. Käyttäjille, jotka eivät tunne SQL:ää, FME 2024 tarjoaa tekoälyavustajan tämän prosessin helpottamiseksi. Lisäksi työkalu mahdollistaa taulukkokaavion saumattoman integroinnin tässä vaiheessa, mikä parantaa käytön helppoutta ja joustavuutta.

Huomautuksia:

  • Tämä tietojoukko on todella rikas. Tutustu tietojoukkoon tämän opetusohjelman lisäksi luodaksesi mukautettuja putkistoja ja syventääksesi ymmärrystäsi, sillä vaiheittaiset opetusohjelmat ovat täällä vain suunnan ja käytännön esimerkin antamiseksi. Kokeilu on avainasemassa tietotaidon saamiseksi.
  • Käytä välimuistimekanismeja tietojen oikeellisuuden tarkistamiseen prosessin jokaisessa vaiheessa, mikä minimoi virheet ja parantaa yleistä tehokkuutta.

Solujen rasterointi läpinäkyvyydellä aikaetäisyyden perusteella.

Isokronikarttojen yleisimmin käytetyt esitykset ovat värigradientti ja yhtäläiset aikaviivat. Molemmat voidaan tehdä FME:llä, mutta läpinäkyvyys tummalla taustalla on hienoa välittämään pimeyttä ja kylmää tunnetta, jonka saat kävellessäsi kylmänä Suomen talviyönä (tai päivänä…).

As we want for the time to reach a point to be reflected as transparency we will compute a ratio based on this time and rasterize our vectors, to help the merging.

    1. Koska haluamme ajan saavuttavan pisteen, joka heijastuu läpinäkyvyyteen, laskemme tämän ajan perusteella suhteen ja rasteroimme vektorimme yhdistämisen helpottamiseksi.
    2. ImageRasterizer-työkalu rasteroi solut asettamalla alfan (läpinäkyvyys) suhteellisen aikaetäisyyden perusteella aloituspisteestä. Koska enimmäisaika on 30 minuuttia ja aika soluun saavuttamiseen on tallennettu minuutteina “walk_avg” -kenttään, se antaa : 1 – (@Value(walk_avg)/30)

Integroi ortokuva saumattomasti ja valmistaudu yhdistämiseen

Haluamme saada ortokuvan taustaksi ja valmistautua yhdistämään sen takaisin niin, että se on oikealla tasolla ja koordinaattijärjestelmässä.

  1. BoundingBoxAccumulator mahdollistaa kiinnostavan alueen valitsemisen.
  2. Reprojector mahdollistaa ortokuvakoordinaattijärjestelmän sovittamisen API:n vaatimuksiin.
  3. FeatureReader on avain vaivattomaan integrointiin WMS:n tai WMTS:n kanssa. Määritä vain leikkauspiste-, taso- ja kuvakoon parametrit, jotta voit jatkaa helposti.
  4. Projisoi takaisin alkuperäisten laattojen koordinaattijärjestelmiin.

 

Yhdistä kaksi rasteria yhteen ja leikkaa tulos

FME:ssä on erilaisia ​​tapoja yhdistää rasterit, mutta yksi helpoimmista on RasterMosaicker. Kerromme tärkeimmistä kohdista, joita älä unohda sitä käytettäessä.

  1. Työnnä kaksi rasteria RasterMosaickeriin oikeassa järjestyksessä. Järjestys määrittää tuloskuvan ominaisuudet, joten varmista, että rasterit on järjestetty oikein. Harkitse porttijärjestyksen käyttöä ja merkitse se tietojen katoamisen estämiseksi.
  2. Aseta RasterMosaickerin parametrit hyödyntämään molempien kuvien “minimiarvoa”. Tämä varmistaa, että tuloksena oleva yhdistetty kuva säilyttää alfakaista-arvot esteettömyyssoluista ja värit ortokuvasta.
  3. Käytä Dissolveria tarkentamaan tulostuskuvaa ja varmistamaan yhtenäisen tuloksen leikkaamalla se yhdellä monikulmiolla.
  4. Käytä Clipperiä tulosteen puhdistamiseen uudelleenprojisoinnin jälkeen ja säilytä vain asiaankuuluva osa.

Saimme vihdoin etsimämme:

Lisää tumma taustakartta kuvaamaan sopivasti suomalaista talvitunnelmaa.

Johtopäätös

This tutorial has equipped us with the skills to extract data using SQL queries and WFS flux, manipulate raster files with transparency, and leverage FME’s capabilities.

Nykypäivän runsaasti dataa sisältävässä ympäristössä FME on tärkeä työkalu erilaisten anturipohjaisten tietojen integroinnissa eri avoimista lähteistä. Sen kyky analysoida tietoja nopeasti vastaa todellisiin haasteisiin, kuten Helsingin kaupunkisuunnitteluun ja virkistysreittien suunnitteluun. Jos olet kiinnostunut tästä lähestymistavasta, älä epäröi ottaa meihin yhteyttä lisätutkimuksia varten!